Urgences

L’IA améliore la performance des non-radiologues sur les radiographies thoraciques

icon réservé aux abonnésArticle réservé aux abonnés
Le 08/02/24 à 7:00

Dans le cadre de cette étude, 563 radios thoraciques acquises aux urgences ont été évaluées rétrospectivement à deux reprises par trois radiologues certifiés, trois internes en radiologie et trois non-radiologues et ont été comparées à la performance de l’algorithme (photo d'illustration). © Zackstarr - Radiologist | Wikimedia

Une équipe de chercheurs de l'hôpital universitaire de Munich (Allemagne) a évalué un système d’IA basé sur un réseau de neurones convolutifs, pour la détection des pathologies pulmonaires dans un service d'urgence. Les résultats ont fait l'objet d'une publication dans la revue Chest [1].

L’IA formée sur des données publiques et expertes

Cet algorithme d'IA interprétant les radiographies pulmonaires a été entraîné sur des données publiques provenant de plusieurs hôpitaux comportant des consolidations suspectes de pneumonie, des pneumothorax, des nodules et des épanchements pleuraux. Ces pathologies qui nécessitent un traitement immédiat pour déterminer si la maladie est aiguë nécessitent un haut niveau d'expertise pour une évaluation précise. Une tâche qui n'est pas toujours simple pour les non-radiologues des urgences, parfois tenus de prendre seuls des décisions cliniques basées sur les résultats d'imagerie.

563 radios thoraciques évaluées

Dans le cadre de cette étude de validati

Il vous reste 58% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Rudolph J., Huemmer C., Preuhs A. et al., « Non-radiology Healthcare Professionals Significantly Benefit from AI-Assistance in Emergency-Related Chest Radiography Interpretation », Chest, 29 janvier 2024 (pre-proof). DOI : 10.1016/j.chest.2024.01.039.

Spécialité médicale

Urgence Oncologie Pneumologie

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

intelligence artificielle radiographie thoracique

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

09 Jan

16:11

Une étude publiée dans BMC Urology a évalué la capacité de plusieurs grands modèles de langage à classer des comptes rendus d’IRM de la prostate selon le système PI-RADS v2.1. Le modèle GPT-o1 montre la meilleure concordance avec les radiologues, mais tous les modèles présentent des limites pour les lésions PI-RADS 3.

15:00

13:08

Chez les patients atteints d'occlusion aiguë des grands vaisseaux (LVO) de l’ACM et de sténose de l’artère intracrânienne sous-jacente traitée par stent de secours, l’administration préalable d’une thrombolyse intraveineuse n’est pas associée à une augmentation du risque d’hémorragie intracrânienne symptomatique ni de la mortalité à 90 jours (étude).

7:30

Un modèle de classification ternaire radiologique a obtenu des performances diagnostiques « excellentes » pour différencier les lésions pulmonaires sur des images de scanner, selon des résultats publiés dans Radiology.

7:00

08 Jan

15:17

Des chercheurs ont introduit un nouveau marqueur tumoral IRM appelé « signe sombre-clair-obscur » et suggèrent qu’il peut aider à prédire la métastase des ganglions lymphatiques chez les patients atteints d’un cancer rectal, selon une étude publiée dans Radiology.
✕
Docteur Imago

GRATUIT
VOIR